M1GP2015

Touché:
Enhancing Touch Interaction on Humans,
Screens, Liquids, and Everyday Objects
[CHI 2012]
Munehiko Sato, Ivan Poupyrev, Chris Harrison
Takuya Sasatani
Asami & Kawahara Lab., The University of Tokyo
M1GP 2015 1

-Human-computer interaction
-タッチやジェスチャーを取得する研究は盛ん
-圧力センサ[1]
-レーザ距離計を用いた手法[2]
-容量性カップリングを用いたタッチセンサ[3]
・・・等々
Background
M1GP 2015 2
[1]Rosenberg, I. and Perlin, K. The UnMousePad: an interpolating multi-touch
force-sensing input pad. in SIGGRAPH'09, Article 65. 65:1-65:9.
[2] Cassinelli, Á., Perrin, S., Ishikawa, M., Smart laser-scanner for 3D human-
machine interface. in CHI EA'05, 1138-1139.
[3] Zimmerman, T.G., Smith, J.R., Paradiso, J.A., Allport, D., Gershenfeld, N.,
Applying electric field sensing to human-computer interfaces. in CHI '95, 280-
287.

容量性カップリングを利用したタッチセンサ[3]
-気軽に設置ができる
-しかし触れているかどうかしか検知できない
Background
回路電極
user
M1GP 2015 3
[3] Zimmerman, T.G., Smith, J.R., Paradiso, J.A., Allport, D., Gershenfeld, N.,
Applying electric field sensing to human-computer interfaces. in CHI '95, 280-
287.

-身近なものを簡単にセンサに出来る
-様々な情報がセンシング出来る
Touché
http://www.disneyresearch.com/wp-content/uploads/touchechi20121.pdf
M1GP 2015 4

従来のタッチセンサ
電極に触れた際の
「単一周波数」に
対する応答を観測
SFCS
電極に触れた際の
「複数周波数」に
対する応答を観測
(Swept Frequency Capacitive Sensing)SFCS
M1GP 2015 5

波形発生器 -ノイズ除去
-増幅
電極
-LPF
-包絡線検出器
SVM
Touché
M1GP 2015 6
user

1.身近な物をTouch and grasp sensitiveにする
2.外部の物体で姿勢をセンシング
3.タッチスクリーンを拡張するセンサ
4.身体のジェスチャーのセンシング
5.液体上でジェスチャーをセンシングする
Application
M1GP 2015 7

1.物をTouch and grasp sensitiveにする
Application(1)
-金属製のドアノブをセンサに
-触れ方の順番をパスワードに
M1GP 2015 8

Application(4)
-両手首に電極を設置
-ジェスチャーによる電子機器の操作
M1GP 2015 9

-リアルタイムで行った検証
-本人のデータで学習した場合の正答率
-事後分析による検証
-95%程度の認識率が可能なジェスチャー数
-他人のデータで学習した場合の正答率
Evaluation
M1GP 2015 10

-本人のデータで学習した場合の正答率
ほとんどの場合で95%程度の正答率
Results
M1GP 2015 11

-ユーザー以外のデータを用いた機械学習による評価
Results
M1GP 2015 12

-ジェスチャーの選び方によっては高精度で実用的
-コンピュータを使っていることを意識させないことが
可能に
課題
-周波数特性の測定の際の(アプリケーションごとの)測
定する帯域や標本数の最適化
Conclusion
M1GP 2015 13

Summary
-ジェスチャーも取れるタッチセンサ
-Swept Frequency Capacitive Sensing(SFCS)
-周波数応答をSupport Vector Machineによって分類
-95％程度の高い正答率
M1GP 2015 15

波形発生器 -ノイズ除去
-増幅
電極
-LPF
-包絡線検出器
SVM
Touché
電極
M1GP 2015 17

(Swept Frequency Capacitive Sensing)SFCS
-1KHzから3.5MHzまで17.5KHz間隔で標本化
-200の標本
-1sweepで33ms程度→33Hzで更新
-ADコンバータ(12bit)がボトルネック
M1GP 2015 18

(Support Vector Machine)SVM
-パターン識別用の教師あり機械学習方法
-現在知られている方法で最も優秀なもののひとつ
-Weka Toolkitの使用
-polynomial kernel
-Touchéでは取得したデータはBluetoothでPCに送ら
れて判定をされるのでこれはPC上の処理
-Touché上での判定も不可能ではない
-PCの方が微調整が効くし速いためPCを利用
M1GP 2015 19

-計算量が大きく、性能の良いプロセッサが必要
-性能が良くて安価なプロセッサの登場
-3MHz程度の高周波を用いる必要
Difficulties
M1GP 2015 20

1.物をTouch and grasp sensitiveにする
Application(1)(2)
2.体の姿勢をセンシングする
M1GP 2015 21

Application(3)(4)
M1GP 2015 22

Application(5)
M1GP 2015 23

2.体の姿勢をセンシングする
Application(2)
-通常の机の上にコーティング済みの薄い銅板
M1GP 2015 24

Application(3)
-モバイル機器のタッチスクリーンを拡張
M1GP 2015 25

Application(5)
-水槽の下に電極を置く(水とは接してない)
M1GP 2015 26

-学習データの取得は7日間ほどにわたって行う
-条件の変化(湿度、温度、ユーザーの状態、等)
-条件の変化に対するロバスト性
-学習データの取得の際には動作を毎回微調整
-利用の際の微妙な変化に対するロバスト性
Evaluation
M1GP 2015 27

-センシングの精度と性別、身長、体重、BMIの間に
は相関がなかった
-ユーザ以外の学習データによる測定は精度が低い
-身体がデバイスとユーザの両方の役割
-ジェスチャだけでなく体の組成などにも違い
-ユーザ自身の学習データを用いることが適切
Results
M1GP 2015 28

M1GP2015

Recommended

Recommended

More Related Content

Viewers also liked

Viewers also liked (17)

Similar to M1GP2015

Similar to M1GP2015 (10)

M1GP2015